IT面试题库
强化学习面试题
强化学习方向的 6 道 IT 面试题,覆盖高频考点、参考答案与错题复习。
高频题目
MDP 的五元组是什么?值迭代、策略迭代和 Q-learning 分别在什么条件下适用?
中级 · 新题
PPO 的 clipped objective 解决什么问题?奖励设计和离线 RL 落地时最容易踩什么坑?
高级 · 新题
DQN 的 experience replay 和 target network 分别解决什么问题?为什么二者常一起用?
中级 · 新题
Actor-Critic 中 GAE 如何平衡偏差和方差?A2C/A3C/PPO 的关系是什么?
高级 · 新题
SAC 的最大熵目标和双 Q 网络分别解决什么问题?
高级 · 新题
Sim2Real 的域随机化(domain randomization)怎么做?为什么不能只随机化视觉?
高级 · 新题
在线刷强化学习题 →